基于数据融合的人群移动时空语义模式可视分析
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 时空数据可视化相关工作 | 第10-11页 |
| 1.2.2 多源异构数据融合相关工作 | 第11-12页 |
| 1.2.3 人群移动模式分析相关工作 | 第12-13页 |
| 1.3 本文的研究内容 | 第13-14页 |
| 1.4 章节安排 | 第14-15页 |
| 第2章 大数据可视分析相关技术 | 第15-25页 |
| 2.1 大数据存储和处理相关技术 | 第15-17页 |
| 2.1.1 Lucene索引技术 | 第15-17页 |
| 2.1.2 数据库缓存技术 | 第17页 |
| 2.2 数据挖掘相关技术 | 第17-19页 |
| 2.2.1 聚类算法 | 第17-18页 |
| 2.2.2 分类算法 | 第18-19页 |
| 2.3 文本处理相关技术 | 第19-20页 |
| 2.3.1 TF-IDF算法 | 第19-20页 |
| 2.3.2 隐含狄利克雷分布LDA | 第20页 |
| 2.4 数据融合技术 | 第20-24页 |
| 2.4.1 协同过滤算法 | 第21-23页 |
| 2.4.2 张量分解 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 可视化组件设计 | 第25-32页 |
| 3.1 基于四叉树分割的地理视图 | 第25-27页 |
| 3.2 基于focus-context的时间视图 | 第27页 |
| 3.3 雷达视图 | 第27-28页 |
| 3.4 词云视图和微博语义列表 | 第28-29页 |
| 3.5 车辆OD视图 | 第29-31页 |
| 3.6 组件之间的协同交互 | 第31页 |
| 3.7 本章小结 | 第31-32页 |
| 第4章 系统架构与实现 | 第32-41页 |
| 4.1 数据预处理和存储 | 第32-34页 |
| 4.1.1 城市卡口车辆数据 | 第33页 |
| 4.1.2 新浪微博数据 | 第33-34页 |
| 4.1.3 城市POIs数据 | 第34页 |
| 4.2 地理空间简化 | 第34-36页 |
| 4.3 多源异构数据融合 | 第36-39页 |
| 4.4 系统界面以及分析 | 第39-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第5章 系统效果展示与分析 | 第41-49页 |
| 5.1 工作日早高峰人群移动语义模式的分析 | 第41-44页 |
| 5.2 工作日早高峰和晚高峰模式的对比分析 | 第44-46页 |
| 5.3 节假日早高峰和工作日早高峰模式的对比分析 | 第46-48页 |
| 5.4 本章小节 | 第48-49页 |
| 第6章 总结与展望 | 第49-51页 |
| 6.1 工作总结 | 第49-50页 |
| 6.2 研究展望 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间参加的科研项目和成果 | 第57页 |
